با بررسی ابزارهای تازه هوش مصنوعی از سوی بانکهای خلیج فارس تمرکز از تواناییهای این فناوری به نحوه استفاده مسوولانه از آن در حال تغییر است.
بانکهای خلیج فارس مشتاق استفاده از هوش مصنوعی هستند، اما بسیاری از آنها هنوز به دنبال پاسخ به یک پرسش اساسیاند: چگونه میتوانند از این فناوری بهره بگیرند بی آنکه اطلاعات حساس مشتریان را در معرض خطر قرار دهند؟
آگهی
آگهی
این موضوع در حالی اهمیت بیشتری پیدا میکند که بانکها در سراسر منطقه در حال بررسی ابزارهای تازه هوش مصنوعی هستند که میتوانند کارهای تکراری را تسریع کنند، اسناد را تحلیل کنند و بهرهوری را بالا ببرند.
به باور نجلا ابراهیم المطوع، معاون اجرایی استراتژی و توسعه کسبوکار در بانک QNB، بحث فراتر از صرف کارایی است.
المطوع میگوید: «برای بانکها، پرسش فقط این نیست که آیا هوش مصنوعی مولد میتواند بهرهوری یا تجربه مشتری را بهبود بدهد، بلکه این است که آیا میتوان آن را به گونهای به کار گرفت که اعتماد را حفظ کند، از دادهها محافظت کند و با انتظارهای نهادهای ناظر همخوان باشد.»
همین چالش برای شرکتهایی که میکوشند استفاده امنتر از هوش مصنوعی را برای بانکها آسانتر کنند، فرصتهایی هم ایجاد کرده است.
سامی میان، مدیرعامل شرکت Blade Labs، میگوید بسیاری از بانکها با خود سامانههای هوش مصنوعی احساس راحتی میکنند، اما همچنان نگرانند این سامانهها به چه اطلاعاتی دسترسی پیدا میکنند.
میان میگوید: «ممکن است خود ابزار هوش مصنوعی تایید شده باشد، ممکن است استفاده از رایانش ابری تایید شده باشد، اما بانک هنوز باید کنترل کند که این هوش مصنوعی اجازه دارد چه چیزهایی را ببیند.»
شرکت Blade Labs پلتفرمی به نام ZeroH Disclosure طراحی کرده که هدف آن این است که به طور خودکار میزان اطلاعاتی را که با سامانههای هوش مصنوعی به اشتراک گذاشته میشود محدود کند و در عین حال ثبت کند چه دادهای، به چه دلیل افشا شده است.
برای بسیاری از بانکها، شاید بزرگترین چالش خود فناوری نباشد، بلکه نحوه کنترل آن باشد.
بانکها باید مطمئن باشند که نام مشتریان، جزئیات حسابها و دیگر اطلاعات حساس پیش از آنکه با ابزارهای هوش مصنوعی به اشتراک گذاشته شود، محافظت میشود.
آلینا تیموفیوا، مشاور هوش مصنوعی و تحول دیجیتال، میگوید هوش مصنوعی مولد موسسات مالی را وادار کرده دوباره درباره شیوه مدیریت دادههای خود فکر کنند.
تیموفیوا میگوید: «در بانکداری، محصول اصلی اعتماد است. پرسش دیگر صرفا این نیست که دادهها کجا ذخیره میشود، بلکه این است که چه کسی به آن دسترسی دارد، چگونه از آن استفاده میشود و اگر مشکلی پیش بیاید چه کسی پاسخگو است.»
این دغدغه به ویژه در خلیج فارس پررنگ است؛ جایی که رگولاتورها همزمان با پیشبرد تحول دیجیتال، مقررات مربوط به حفاظت از دادهها، امنیت سایبری و حکمرانی هوش مصنوعی را هم سختگیرانهتر میکنند.
المطوع میگوید بانکها در استفاده از هوش مصنوعی گزینشیتر شدهاند. آزمایشهای کمریسک را جدا از کاربردهایی که پای دادههای مشتریان و دیگر اطلاعات حساس در میان است، بررسی میکنند.
المطوع میگوید: «دادههای مشتریان، اطلاعات محرمانه داخلی، سازوکارهای مقابله با جرایم مالی، مدلهای ریسک و اطلاعات اختصاصی کسبوکار نیازمند محافظت بسیار قویتری است.»
میان میگوید پاسخ در این است که از ابتدا اختیار بیشتری به موسسات داده شود تا مشخص کنند چه اطلاعاتی را میتوان با سامانههای هوش مصنوعی به اشتراک گذاشت.
به گفته این شرکت، به جای آنکه بانکها به کارکنان خود تکیه کنند تا جزئیات حساس را به صورت دستی از اسناد حذف کنند، میتوان این کنترلها را مستقیما در فرایندها گنجاند تا فقط اطلاعات مجاز افشا شود و در عین حال ردپای کاملی از آنچه به اشتراک گذاشته شده بر جای بماند.
همین رویکرد در حوزه مالی اسلامی هم دنبال میشود؛ جایی که تصویب محصولات تازه معمولا پای چندین ذینفع از جمله تیمهای حقوقی، واحدهای تطبیق، حسابرسان و علما و مشاوران شریعت را وسط میکشد.
شرکت Blade Labs در حال توسعه دستیار هوشمندی به نام Ask Ali است که بر مالی اسلامی متمرکز است. این پلتفرم طوری طراحی شده که به حرفهایها کمک کند استانداردها را جستوجو کنند، اسناد را بازبینی کنند و در سوالات مربوط به شریعت مسیر خود را پیدا کنند، در حالی که نظارت انسانی بر کل فرایند حفظ میشود.
هر سه معتقدند که اعتماد عامل تعیینکننده سرعت پذیرش هوش مصنوعی در بانکها خواهد بود.
میان میگوید: «موسساتی که زودتر این مسئله را حل کنند خواهند توانست آزادانهتر از هوش مصنوعی بهره بگیرند. آنهایی که نمیتوانند نشان دهند بر اوضاع مسلط هستند، در مرحله پایلوت و زیر بار محدودیتها و تاییدهای داخلی باقی میمانند.»